Erőforrások kvótáinak és korlátainak kezelése és növelése az Azure Machine Tanulás

  • Cikk

Az Azure kvótákat és korlátokat használ a csalás miatti költségvetési túllépések megelőzésére, valamint az Azure-kapacitáskorlátozások betartására. Vegye figyelembe ezeket a korlátokat a számítási feladatokra való skálázáskor. Ebben a cikkben a következő tudnivalókat ismerheti meg:

  • Az Azure Machine Tanulás kapcsolódó Azure-erőforrások alapértelmezett korlátai.
  • Munkaterületszintű kvóták létrehozása.
  • A kvóták és a korlátok megtekintése.
  • Kvótanövelés kérése.

A kvóták és korlátok kezelése mellett megtudhatja, hogyan tervezheti meg és kezelheti az Azure Machine-Tanulás költségeit, vagy megismerheti az Azure Machine Tanulás szolgáltatáskorlátait.

Különleges megfontolások

  • A kvóták a fiók minden egyes előfizetésére vonatkoznak. Ha több előfizetéssel rendelkezik, minden előfizetéshez kvótanövelést kell kérnie.

  • A kvóta az Azure-erőforrások kreditkorlátja , nem kapacitásgarancia. Nagyobb léptékű kapacitásigény esetén lépjen kapcsolatba az Azure ügyfélszolgálatával a kvótanöveléshez.

  • A kvóta az előfizetések összes szolgáltatása között meg van osztva, beleértve az Azure Machine Learninget is. A kapacitás felmérése során a használatot az összes szolgáltatás figyelembevételével számolja ki.

    Feljegyzés

    Az Azure Machine Learning-számítás egy kivétel. Az alapvető számítási kvótától eltérő kvótával rendelkezik.

  • Az alapértelmezett korlátok ajánlatkategória-típusonként eltérőek, például ingyenes próbaverzió, használatalapú fizetés és virtuálisgép-sorozat (például Dv2, F és G).

Alapértelmezett erőforráskvóták és korlátok

Ebben a szakaszban megismerheti az alábbi erőforrások alapértelmezett és maximális kvótáinak és korlátainak számát:

  • Azure Machine Tanulás-eszközök
  • Azure Machine Tanulás számításai (beleértve a kiszolgáló nélküli Sparkot is)
  • Az Azure Machine Tanulás megosztott kvótája
  • Az Azure Machine Tanulás online végpontok (felügyelt és Kubernetes) és kötegelt végpontok
  • Azure Machine Tanulás-folyamatok
  • Az Azure Machine Tanulás integrációja a Synapse-vel
  • Virtual machines (Virtuális gépek)
  • Azure Container Instances
  • Azure Storage

Fontos

A korlátok változhatnak. A legfrissebb információkért tekintse meg az Azure Machine Tanulás szolgáltatási korlátait.

Azure Machine Tanulás-eszközök

Az eszközökre vonatkozó alábbi korlátozások munkaterületenként érvényesek.

Erőforrás Maximális korlát
Adathalmazok 10 millió
Futtatások 10 millió
Modellek 10 millió
Összetevő 10 millió
Artifacts 10 millió

Emellett a maximális futtatási idő 30 nap, a futtatásonként naplózott metrikák maximális száma pedig 1 millió.

Azure Machine Learning Compute

Az Azure Machine Tanulás Compute alapértelmezett kvótakorlátot szab a magok számára és az előfizetés régiónként engedélyezett egyedi számítási erőforrásaira.

Feljegyzés

  • A magok számára vonatkozó kvótát az egyes virtuálisgép-család és az összes összes mag felosztja.
  • A régiónkénti egyedi számítási erőforrások számának kvótája eltér a virtuális gép magkvótajától, mivel csak az Azure Machine Tanulás felügyelt számítási erőforrásaira vonatkozik.

A következő elemek korlátainak növeléséhez kérjen kvótanövelést:

  • Virtuális gép családi alapkvótái. Ha többet szeretne megtudni arról, hogy mely virtuálisgép-család igényel kvótanövelést, tekintse meg az Azure-beli virtuálisgép-méreteket. A GPU virtuálisgép-családok például egy "N" betűvel kezdődnek a család nevében (például az NCv3 sorozatban).
  • Összes előfizetési alapkvóta
  • Fürtkvóta
  • A szakasz egyéb erőforrásai

Elérhető erőforrások:

  • A régiónkénti dedikált magok alapértelmezett korlátja 24 és 300 között van az előfizetési ajánlat típusának függvényében. A dedikált magok számát előfizetésenként és virtuálisgép-családonként növelheti. Az olyan speciális virtuálisgép-családok, mint az NCv2, az NCv3 vagy az ND sorozat, alapértelmezés szerint nulla maggal kezdődnek. A GPU-k alapértelmezett magszáma is nulla.

  • A régiónkénti alacsony prioritású magok alapértelmezett korlátja 100 és 3000 között van az előfizetési ajánlat típusának függvényében. Az előfizetésenkénti alacsony prioritású magok száma növelhető, és ugyanaz az érték vonatkozik minden virtuálisgép-családra.

  • A régiónkénti teljes számítási korlát alapértelmezett korlátja régiónként 500 egy adott előfizetésen belül, és régiónként legfeljebb 2500-ra növelhető. Ez a korlát meg van osztva a betanítási fürtök, a számítási példányok és a felügyelt online végpontok üzemelő példányai között. Egy számítási példány kvóta szempontjából egycsomópontos fürtnek minősül.

Az alábbi táblázat a platform további korlátait mutatja be. Lépjen kapcsolatba az Azure Machine Tanulás termékcsapatával egy technikai támogatási jegyen keresztül, amely kivételt kér.

Erőforrás vagy művelet Maximális korlát
Munkaterületek erőforráscsoportonként 800
Egyetlen Azure Machine-Tanulás számítási (AmlCompute) fürt csomópontjai nem kommunikációt lehetővé tevő készletként van beállítva (vagyis nem futtathatók MPI-feladatok) 100 csomópont, de legfeljebb 65 000 csomópont konfigurálható
Egyetlen párhuzamos futtatási lépés csomópontjai egy Azure Machine Tanulás számítási (AmlCompute) fürtön futnak 100 csomópont, de legfeljebb 65 000 csomópont konfigurálható, ha a fürt a korábban említett méretezésre van beállítva
Egyetlen Azure Machine-Tanulás számítási (AmlCompute) fürt csomópontjai, amelyek kommunikációt lehetővé tevő készletként van beállítva 300 csomópont, de legfeljebb 4000 csomópont konfigurálható
Egyetlen Azure Machine-Tanulás számítási (AmlCompute) fürt csomópontjai, amelyek egy RDMA-kompatibilis virtuálisgép-család kommunikációra képes készleteként van beállítva 100 csomópont
Egyetlen MPI-csomópont fut egy Azure Machine Tanulás számítási (AmlCompute) fürtön 100 csomópont
Feladat élettartama 21 nap1
Feladat élettartama alacsony prioritású csomóponton 7 nap2
Paraméterkiszolgálók csomópontonként 0

1 A maximális élettartam a feladatok elindulása és befejezése közötti időtartam. A befejezett feladatok határozatlan ideig megmaradnak. A maximális élettartamon belül nem befejezett feladatok adatai nem érhetők el.

2 Az alacsony prioritású csomópontokon lévő feladatok előre kivehetők, ha kapacitáskorlátozás van. Javasoljuk, hogy implementáljon ellenőrzőpontokat a feladatában.

Az Azure Machine Tanulás megosztott kvótája

Az Azure Machine Tanulás egy megosztott kvótakészletet biztosít, amelyet a különböző régiók különböző felhasználói egyszerre használhatnak. A rendelkezésre állástól függően a felhasználók ideiglenesen hozzáférhetnek a megosztott készlet kvótáihoz, és a kvótával korlátozott ideig végezhetnek tesztelést. A megadott időtartam a használati esettől függ. A kvótakészletből származó kvóta ideiglenes használatával többé nem kell támogatási jegyet küldenie a rövid távú kvótanöveléshez, vagy várnia kell, amíg a kvótakérelmet jóváhagyják, mielőtt továbbléphet a számítási feladatra.

A megosztott kvótakészlet használata Spark-feladatok futtatásához és a Modellkatalógusból származó Llama-2, Phi, Nemotron, Mistral, Dolly és Deci-DeciLM modellekhez használható. A megosztott kvótát csak ideiglenes tesztvégpontok létrehozására használhatja, éles végpontok nem. Éles végpontok esetén támogatási jegy beadásával dedikált kvótát kell kérnie. A megosztott kvóták számlázása használatalapú, csakúgy, mint a dedikált virtuálisgép-családok számlázása. A Spark-feladatok megosztott kvótájának letiltásához töltse ki ezt az űrlapot.

Azure Machine Tanulás online végpontok és kötegvégpontok

Az Azure Machine Tanulás online végpontjai és kötegvégpontjai az alábbi táblázatban ismertetett erőforráskorlátokkal rendelkeznek.

Fontos

Ezek a korlátok regionálisak, ami azt jelenti, hogy ezeket a korlátokat minden egyes használt régióban használhatja. Ha például az előfizetésenkénti végpontok számának jelenlegi korlátja 100, akkor létrehozhat 100 végpontot az USA keleti régiójában, 100 végpontot az USA nyugati régiójában, és 100 végpontot egyetlen előfizetésben a többi támogatott régióban. Ugyanez az elv vonatkozik az összes többi korlátra is.

A végpont aktuális használatának meghatározásához tekintse meg a metrikákat.

Ha kivételt szeretne kérni az Azure Machine Tanulás termékcsapatától, használja a végpontkorlát növelésének lépéseit.

Erőforrás   1. korlát                                                 Kivétel engedélyezése A következőkre vonatkozik
Végpont neve A végpontneveknek
  • Betűvel kezdődik
  • Legyen 3-32 karakter hosszú
  • Csak betűkből és számokból áll 2
  • A Kubernetes-végpont esetében a végpont nevének és az üzembehelyezési névnek összesen 3–62 karakter hosszúságúnak kell lennie
    		•  - Minden végponttípus 3
    Üzemelő példány neve Az üzembehelyezési neveknek
  • Betűvel kezdődik
  • Legyen 3-32 karakter hosszú
  • Csak betűkből és számokból áll 2
  • A Kubernetes-végpont esetében a végpont nevének és az üzembehelyezési névnek összesen 3–62 karakter hosszúságúnak kell lennie
    		•  - Minden végponttípus 3
    Végpontok száma előfizetésenként 100 Igen Minden végponttípus 3
    Végpontok száma fürtönként 60 - Kubernetes online végpont
    Üzembe helyezések száma előfizetésenként 500 Igen Minden végponttípus 3
    Üzembe helyezések száma végpontonként 20 Igen Minden végponttípus 3
    Üzemelő példányok száma fürtönként 100 - Kubernetes online végpont
    Példányok száma üzemelő példányonként 50 4 Igen Felügyelt online végpont
    A kérések maximális időtúllépése végpontszinten 180 másodperc - Felügyelt online végpont
    A kérések maximális időtúllépése végpontszinten 300 másodperc - Kubernetes online végpont
    Összes kérelem másodpercenként végpontszinten az összes üzembe helyezéshez 500 5 Igen Felügyelt online végpont
    Összes kapcsolat másodpercenként végpontszinten az összes üzembe helyezéshez 500 5 Igen Felügyelt online végpont
    Végpontszinten aktív összes kapcsolat az összes üzembe helyezéshez 500 5 Igen Felügyelt online végpont
    Teljes sávszélesség végpontszinten az összes üzembe helyezéshez 5 MBPS 5 Igen Felügyelt online végpont

    1 Ez egy regionális korlát. Ha például a végpontok számának jelenlegi korlátja 100, akkor 100 végpontot hozhat létre az USA keleti régiójában, 100 végpontot az USA nyugati régiójában, és 100 végpontot egyetlen előfizetésben a többi támogatott régióban. Ugyanez az elv vonatkozik az összes többi korlátra is.

    A végpontok és az üzemelő példányok neveiben 2 egy kötőjelet (például my-endpoint-nameegy kötőjelet) fogad el a rendszer.

    3 A végpontok és az üzemelő példányok különböző típusúak lehetnek, de a korlátozások az összes típus összegére vonatkoznak. Például a felügyelt online végpontok, a Kubernetes online végpontja és a kötegelt végpontok összege az egyes előfizetések alatt alapértelmezés szerint nem haladhatja meg a 100-t régiónként. Hasonlóképpen, a felügyelt online üzemelő példányok, a Kubernetes online üzembe helyezései és a kötegtelepítések összege az egyes előfizetésekben alapértelmezés szerint nem haladhatja meg az 500-ot régiónként.

    4 A frissítések végrehajtásához 20%-kal több számítási erőforrást foglalunk le. Ha például 10 példányt kér egy üzembe helyezéshez, akkor 12-hez kvótával kell rendelkeznie. Ellenkező esetben hibaüzenet jelenik meg. Vannak olyan virtuálisgép-termékváltozatok, amelyek mentesülnek a többletkvóta alól. További információkért tekintse meg a virtuálisgép-kvóta kiosztását az üzembe helyezéshez .

    5 Kérés másodpercenként, kapcsolatok, sávszélesség stb. kapcsolódóak. Ha ezen korlátok bármelyikének növelését kéri, győződjön meg arról, hogy együtt becsüli/számítja ki az egyéb kapcsolódó korlátokat.

    Azure Machine Tanulás-folyamatok

    Az Azure Machine Tanulás-folyamatokra a következő korlátozások vonatkoznak.

    Erőforrás Korlát
    A folyamat lépései 30 000
    Munkaterületek erőforráscsoportonként 800

    Az Azure Machine Tanulás feladatütemezései

    Az Azure Machine Tanulás feladatütemezései a következő korlátozásokkal rendelkeznek.

    Erőforrás Korlát
    Ütemezések régiónként 100

    Az Azure Machine Tanulás integrációja a Synapse-vel

    Az Azure Machine Tanulás kiszolgáló nélküli Spark egyszerű hozzáférést biztosít az elosztott számítási képességekhez az Apache Spark-feladatok skálázásához. A kiszolgáló nélküli Spark ugyanazt a dedikált kvótát használja, mint az Azure Machine Tanulás Compute. A kvótakorlátok növeléséhez küldjön támogatási jegyet, és kérje az ESv3-sorozat kvótájának és korlátjának növelését a "Machine Tanulás Service: Virtual Machine Quota" (Gépi Tanulás szolgáltatás: virtuálisgép-kvóta) kategória alatt.

    A kvótahasználat megtekintéséhez lépjen a Machine Tanulás Studióba, és válassza ki az előfizetés nevét, amelynél látni szeretné a használatot. Válassza a "Kvóta" lehetőséget a bal oldali panelen.

    Képernyőkép az Azure Machine Tanulás kvótáiról.

    Virtual machines (Virtuális gépek)

    Minden Azure-előfizetés korlátozza a virtuális gépek számát az összes szolgáltatásban. A virtuálisgép-magok regionális teljes korlátot és méretsorozatonkénti regionális korlátot rendelkeznek. Mindkét korlát külön van kényszerítve.

    Például tegyük fel, hogy egy előfizetés az USA keleti régiójára vonatkozó teljes magkorlátja 30, az A sorozatú magkorlátja 30, és a D sorozatú magkorlátja is 30. Ez az előfizetés 30 A1 virtuális gépet vagy 30 D1 virtuális gépet helyezhet üzembe, vagy a kettő olyan kombinációját, amely nem haladja meg a 30 magot.

    A virtuális gépekre vonatkozóan nem emelhet korlátokat az alábbi táblázatban látható értékek fölé.

    Erőforrás Korlát
    Microsoft Entra-bérlőhöz társított Azure-előfizetések Korlátlan
    Coadministrators előfizetésenként Korlátlan
    Erőforráscsoportok előfizetésenként 980
    Az Azure Resource Manager API kérésmérete 4 194 304 bájt
    Címkék előfizetésenként1 50
    Egyedi címkeszámítások előfizetésenként2 80 000
    Előfizetési szintű központi telepítések helyenként 8003
    Előfizetési szintű üzemelő példányok helyei 10

    1Legfeljebb 50 címkét alkalmazhat közvetlenül egy előfizetésre. Az előfizetésen belül minden erőforrás vagy erőforráscsoport 50 címkére korlátozódik. Az előfizetés azonban korlátlan számú címkét tartalmazhat, amelyek az erőforrások és erőforráscsoportok között oszlanak el.

    2A Resource Manager csak akkor adja vissza az előfizetés címkéinek és értékeinek listáját, ha az egyedi címkék száma 80 000 vagy annál kevesebb. Az egyedi címkéket az erőforrás-azonosító, a címkenév és a címkeérték kombinációja határozza meg. Két azonos címkenévvel és értékkel rendelkező erőforrás például két egyedi címkeként lesz kiszámítva. Ha a szám meghaladja a 80 000-et, címkével továbbra is megtalálhatja az erőforrást.

    3Üzembe helyezés automatikusan törlődik az előzményekből a korlát közelében. További információ: Automatikus törlés az üzembe helyezési előzményekből.

    Container Instances

    További információ: Tárolópéldányok korlátai.

    Tárolás

    Az Azure Storage legfeljebb 250 tárfiókot biztosít régiónként, előfizetésenként. Ez a korlát standard és prémium szintű tárfiókokat is tartalmaz.

    Munkaterületszintű kvóták

    Munkaterületi szintű kvóták használatával kezelheti az Azure Machine Learning Compute lefoglalását ugyanazon előfizetés több munkaterülete között.

    Alapértelmezésben minden munkaterület kvótája azonos a virtuálisgép-családok előfizetési szintű kvótájával. Azonban beállíthatja az egyes virtuálisgép-családokkal kapcsolatos maximális kvótát egy előfizetés munkaterületein. Az egyes virtuálisgép-családok kvótái lehetővé teszik a kapacitás megosztását és az erőforrás-versengési problémák elkerülését.

    1. Lépjen bármelyik munkaterületre az előfizetésében.
    2. A bal oldali panelen válassza a Használat + kvóták lehetőséget.
    3. Válassza a Kvóták konfigurálása lapot a kvóták megtekintéséhez.
    4. Bontsa ki az egyik virtuálisgép-családot.
    5. Állítson be kvótakorlátot az adott virtuálisgép-család alatt felsorolt munkaterületek bármelyikén.

    Nem állíthat be negatív vagy az előfizetési szintű kvótánál magasabb értéket.

    Képernyőkép egy Azure Machine Learning munkaterületszintű kvótáról.

    Feljegyzés

    Előfizetési szintű engedélyekre van szüksége a kvóta munkaterületi szintű beállításához.

    Kvóták megtekintése a studióban

    1. Új számítási erőforrás létrehozásakor alapértelmezés szerint csak azokat a virtuálisgép-méreteket látja, amelyekhez már rendelkezik kvótával. Állítsa a nézetet a Kiválasztás gombra az összes beállítás közül.

      Képernyőkép az összes lehetőség kiválasztásáról a több kvótát igénylő számítási erőforrások megtekintéséhez

    2. Görgessen lefelé, amíg meg nem jelenik azon virtuálisgép-méretek listája, amelyekhez nincs kvótája.

      Képernyőkép a nulla kvóta listájáról

    3. A hivatkozás használatával közvetlenül az online ügyfélszolgálati kérelemre léphet további kvótákért.

    Használat és kvóták megtekintése az Azure Portalon

    A különböző Azure-erőforrások, például virtuális gépek, tárolók vagy hálózatok kvótájának megtekintéséhez használja az Azure Portalt:

    1. A bal oldali panelen válassza a Minden szolgáltatás lehetőséget, majd válassza az Előfizetések lehetőséget az Általános kategória alatt.

    2. Az előfizetések listájában válassza ki azt az előfizetést, amelynek a kvótáját keresi.

    3. Válassza a Használat + kvóták lehetőséget az aktuális kvótakorlátok és -használat megtekintéséhez. A szűrőkkel válassza ki a szolgáltatót és a helyeket.

    Az Azure Machine Tanulás számítási kvótáját az előfizetésén a többi Azure-kvótától elkülönítve kezelheti:

    1. Nyissa meg az Azure Machine Tanulás munkaterületét az Azure Portalon.

    2. A bal oldali panel Támogatási + hibaelhárítási szakaszában válassza a Használat + kvóták lehetőséget az aktuális kvótakorlátok és -használat megtekintéséhez.

    Képernyőkép az Azure Portal aktuális kvótakorlátairól és használatáról.

    1. Válassza ki az előfizetést a kvótakorlátok megtekintéséhez. Szűrjön arra a régióra, amely érdekli.

    2. Válthat előfizetési szintű és munkaterületszintű nézet között.

    Kvóta- és korlátnövelés kérése

    A virtuálisgép-kvóta növelése a virtuálisgép-családonkénti magok régiónkénti számának növelése. A végpontkorlát növelése az előfizetésenkénti végpontspecifikus korlátok régiónkénti növelése. A kvótanövelési kérelem elküldésekor mindenképpen válassza ki a megfelelő kategóriát a következő szakaszban leírtak szerint.

    Virtuálisgép-kvóta növelése

    Ha az Azure Machine Tanulás virtuálisgép-kvótára vonatkozó korlátot az alapértelmezett korlát fölé szeretné emelni, kérheti a kvótanövelést a fenti Használat + kvóták nézetből, vagy elküldhet egy kvótanövelési kérelmet az Azure Machine Tanulás Studióból.

    1. Az utasítások követésével lépjen a Használat + kvóták lapra. Tekintse meg az aktuális kvótakorlátokat. Válassza ki azt az termékváltozatot, amelyhez növelni szeretné a termékváltozatot.

    Képernyőkép a virtuálisgép-kvóta részleteiről.

    1. Adja meg a növelni kívánt kvótát és az új korlátértéket. Végül válassza a Küldés lehetőséget a folytatáshoz.

    Képernyőkép az új virtuálisgép-kvótakérelmek űrlapról.

    A végpontok korlátjának növelése

    A végpontkorlát növeléséhez nyisson meg egy online ügyfélszolgálati kérelmet. Amikor a végpontkorlát növelését kéri, adja meg a következő információkat:

    1. A támogatási kérelem megnyitásakor válassza a Szolgáltatás- és előfizetési korlátok (kvóták) lehetőséget a Probléma típusaként.
    2. Válassza ki a kívánt előfizetést.
    3. A kvóta típusaként válassza a Machine Learning Services – Végpontkorlátozás lehetőséget.
    4. A További részletek lapon meg kell adnia a korlát növelésének részletes okait a kérelem feldolgozásához. Válassza a Részletek megadása lehetőséget, majd adja meg a növelni kívánt korlátot és az új értéket minden korláthoz, a korlátnövelési kérés indoklását, valamint a helyet/helyeket, ahol növelni szeretné a korlátot. Mindenképpen adja hozzá a következő információkat a korlátnövelés okához:
      1. A forgatókönyv és a számítási feladat leírása (például szöveg, kép stb.).
      2. A kért növekedés indoklása.
        1. Adja meg a célzott átviteli teljesítményt és annak mintáját (átlag/csúcs QPS, egyidejű felhasználók).
        2. Adja meg a megcélzott késleltetési időt méretarányosan, valamint a jelenlegi késleltetési időt, amelyet egyetlen példányban megfigyel.
        3. Adja meg, hogy a VM SKU és a példányok száma összesen hány példányban támogatja a célzott átviteli teljesítményt és késleltetést. Adja meg, hány végpontot/telepítést/instanciát tervez használni az egyes régiókban.
        4. Ellenőrizze, hogy van-e olyan benchmark tesztje, amely azt jelzi, hogy a kiválasztott VM SKU és a példányok száma megfelel az átviteli és késleltetési követelménynek.
        5. Adja meg a hasznos teher típusát és az egyes hasznos teher méretét. A hálózati sávszélességnek igazodnia kell a hasznos teher méretéhez és a másodpercenkénti kérésekhez.
        6. Adja meg a tervezett időtervet (mikorra van szüksége a megnövelt korlátokra - ha lehetséges, adjon meg egy szakaszos tervet), és erősítse meg, hogy (1) az ilyen léptékben történő működtetés költségei tükröződnek-e a költségvetésében, és hogy (2) a cél VM SKU-kat jóváhagyták-e.
    5. Végül a folytatáshoz válassza a Mentés és folytatás lehetőséget.

    Képernyőkép a végpontkorlát részletei űrlapról.

    Feljegyzés

    Ez a végpontkorlát-növelési kérés eltér a virtuálisgép-kvótanövelési kéréstől. Ha a kérés a virtuálisgép-kvóta növelésével kapcsolatos, kövesse a virtuálisgép-kvótanövelés szakasz utasításait.

    Számítási korlát növelése

    A teljes számítási korlát növelése érdekében nyisson meg egy online ügyfélszolgálati kérelmet. Adja meg az alábbi információkat:

    1. A támogatási kérelem megnyitásakor válassza a Technikai elemet a Probléma típusaként.

    2. Válassza ki a kívánt előfizetést

    3. Válassza a Gépi Tanulás-t Szolgáltatás-ként.

    4. Válassza ki a kívánt erőforrást

    5. Az összegzésben említse meg a „Teljes számítási korlátok növelése” elemet

    6. Válassza a Számítási fürt lehetőséget Probléma típusaként, és A fürt nem skálázódik fel, vagy elakadt átméretezési módban lehetőséget a Probléma altípusaként.

      Képernyőkép a probléma leírása lapról.

    7. A További részletek lapon adja meg az előfizetés azonosítóját, a régiót, az új korlátot (500 és 2500 között) és az üzleti indoklást, ha növelni szeretné a teljes számítási korlátot ebben a régióban.

      Képernyőkép a további részletek lapról.

    8. Végül válassza a Létrehozás lehetőséget egy támogatáskérési jegy létrehozásához.

    Következő lépések